GLL：一种可微图学习层，替代 softmax 实现端到端分类

研究者提出 GLL（可微图学习层），通过伴随方法推导反向传播方程，将相似图构建与基于图拉普拉斯的标签传播精确集成进神经网络层，替代投影头加 softmax 的分类方式。该方法区别于图神经网络，实验显示其标签过渡更平滑，泛化性与对抗攻击鲁棒性提升，训练动态也优于标准 softmax 方法。论文共 58 页、12 张图，已投稿 Journal of Machine Learning Research。